先说结论:生成式 AI 进仓库这件事,大部分仓库现在只适合走到第二步。走到第四步的,我到今天还没见过一家真正跑顺的。不是技术不行,是仓库这个地方,容错率比办公室低得多。
说白了,生成式 AI 在仓库里的角色变化,就是一句话:从"会说话"到"敢做主"。中间隔着的不是算法,是数据、责任和兜底。哪一步没走稳就往下跳,亏的都是真金白银。
生成式 AI 问答助手这一步,值不值
我见过太多仓库,花了不少钱先上一个问答助手。员工问"这个货在哪",系统翻操作手册给答案;新员工问"退货怎么处理",系统把流程贴出来。听着挺美,实际用下来,分两种。
第一种,仓库的操作手册本来就写得乱,存在十几个文档里,版本还打架。问答助手把这些乱七八糟的东西原样学进去,答得一本正经,错得理直气壮。有个做汽配的仓库,2025 年夏天上了一套问答助手,新员工按它的回答把一批退货直接放进了待检区,结果那批货按流程该先拍照留证。后来客户索赔,仓库拿不出照片,赔了两万多美金。问题不在 AI,在喂给它的数据本身就是错的。
第二种,仓库的流程文档是干净的,问答助手确实省了老员工反复回答的时间。一个做家居用品的 3PL 仓,旺季临时工一口气进来 40 多人,班长每天要回答上百个重复问题。上线问答助手之后,班长每天少接一半的提问,省下来的时间去盯异常单。这笔账算得过来。
所以第一步的判断标准就一个:你的操作文档能不能拿得出手。文档是乱的,先整文档,别急着上 AI。整文档的钱,比 AI 试错的钱便宜得多。
到了建议这一步,人才是刹车
第二步叫作建议型助手。系统不只回答问题,还主动给建议:这批货该放哪个库位,这个波次该怎么组,哪个订单可能延误。听着更进一步,风险也跟着上来。
我 2026 年初去过一家做服装的仓库,他们的系统会建议拣货路径。建议本身没问题,问题是建议错了谁负责。一次系统建议把一批高周转的冬装放进了远端库位,理由是那片区当时有空位。拣货员照着建议走了两周,多走的路加起来不少,旺季人力本来就紧,主管气得直接把建议功能关了。
这事分两面。建议型助手真正值钱的地方,是它能看到人看不到的全局:哪个库位快满了,哪个波次的订单结构变了。但它看不到的东西也很多:明天要来一批急货、某个客户临时改了包装要求、叉车坏了一台。这些信息不在系统里,AI 不可能知道。
所以第二步必须配一个规矩:建议只是建议,执行的人有权否决,而且否决要留痕。留痕不是为了追责,是为了让系统知道自己哪错了。没有否决权和反馈回路的建议功能,用不了三个月就会被一线员工彻底无视。
半自主这一步,卡在责任划分上
第三步是人在回路的半自主。系统在限定范围内自己动手,人在旁边看着,有问题随时叫停。比如系统自动调整补货任务的优先级,自动给异常订单打标记,自动生成次日的波次计划草稿,主管早上看一眼,点头就执行。
这一步我见过最接近跑通的例子,是一家做电子产品分销的仓库。他们的补货逻辑原来靠主管凭经验排,每天早上花一个多小时。改成系统先排、主管复核之后,早上排单时间缩到了 20 分钟以内。关键是他们划了一条线:系统只动常规补货,涉及高价值货和客户指定货的单子,一律不碰,留给人工。
另一家做食品的仓库就没这么幸运。他们让系统自动处理临期商品的出库顺序,图的是减少报废。结果系统对一批临期但客户指定了批次的货也自动排了先出,客户收货发现批次不对,直接退了整柜。损失不算天文数字,但信任一下子就没了,项目停了半年。
反常识的判断来了:半自主阶段最难的不是技术,是写清楚"什么情况下系统必须停下来问人"。这份停下来的清单,比算法本身重要十倍。清单越具体,系统走得越远;清单含糊其辞,迟早出一次大事故。
还有一个取舍:半自主省下来的人力,到底省在哪。省掉主管每天一小时的排单时间,值;省掉质检环节的人去盯系统,风险立刻上来。我的建议是,省下来的时间要投到异常处理上,而不是直接砍人头。系统越自主,异常越少见,但每次异常都更贵。
生成式 AI 受限自主决策,离真正落地还差什么
第四步是受限自主决策。系统在划定的范围里自己做决定、自己执行,事后留痕备查,不需要人逐单点头。比如低价值耗材的自动补货、常规波次的自动释放、标准异常的自动处理。
这一步到今天,我没见过哪家仓库敢说自己完全跑通。原因有三个,每一个都绕不过去。
第一是数据。自主决策要求库存、订单、库位、设备状态四类数据同时在线、同时准。仓库里任何一类数据掉链子,决策就建立在沙子上。很多仓库的库存准确率自己都不敢拍胸脯,谈自主决策就是空中楼阁。
第二是责任。一单货发错了,是系统的错还是主管的错,合同上怎么写,保险认不认,客户索赔找谁。这几个问题没谈妥之前,没有一个仓库老板敢把签字权交给系统。
第三是兜底。系统出问题的时候,有没有一键回到人工的开关,切换要多长时间,切换期间订单怎么办。这三个问题答不上来,第四步就是摆设。
我的判断是:未来三到五年,大部分仓库的终点是第三步走稳,第四步只在极小的封闭场景里试点,比如单一品类、低价值、流程高度标准化的补货。指望生成式 AI 明年就替仓库做主的人,大概率要失望。
回到你家仓库,先问自己四个问题: 别管厂商怎么讲,先问自己四个问题。第一个,操作文档和主数据准不准,库存准确率敢不敢写在纸上。第二个,异常处理的责任现在是谁的,出了事找谁。第三个,系统建议错了,一线员工敢不敢说不。第四个,系统停摆的时候,人工能不能在半小时内接回去。
四个问题都能答上来,第二步可以上,第三步可以试点。有一个答不上来,先把那个问题解决了再说。生成式 AI 进仓库,拼的不是谁家模型新,是谁家底子干净、规矩清楚。
你家仓库现在走到第几步了?卡在哪一个问题上?
作者:老米|20年美国供应链老兵,仓储解决方案顾问







